Vier Jahre Forschung, vier Use Cases: Im Rahmen des Projekts „Datenfabrik.NRW” haben Industrie- und Forschungspartner gemeinsam datengetriebene Lösungen für Produktion und Logistik entwickelt. Mithilfe von Technologien wie Motion-Mining® wurden Blackbox-Prozesse transparent gemacht und KI-gestützte Optimierungen für die Bereiche Fertigung und Kommissionierung umgesetzt.
Wie können Produktionsunternehmen zukunftsfähig bleiben, wenn sie mit Fachkräftemangel, Lieferengpässen und steigenden Nachhaltigkeitsanforderungen konfrontiert sind?
Mit dieser Frage startete im Jahr 2022 das Forschungsprojekt „Datenfabrik.NRW”, das von einem starken Konsortium aus Industrie und Wissenschaft getragen wird. Das Ziel bestand darin, datengetriebene Lösungen zu entwickeln, die Produktions-, Logistik- und Unternehmensprozesse intelligenter, effizienter und nachhaltiger gestalten.
Neun Projektpartner, darunter CLAAS, Schmitz Cargobull, NTT Data, Duvenbeck, die Fraunhofer-Institute IEM, IML, IOSB-INA und IAIS sowie die MotionMiners GmbH, arbeiteten vier Jahre lang gemeinsam an innovativen Anwendungsfällen und technologischen Ansätzen für die Fabrik der Zukunft.
Mit einem Gesamtvolumen von 14,5 Millionen Euro, wovon 9,2 Millionen Euro durch das Land Nordrhein-Westfalen gefördert werden, zählt die Datenfabrik.NRW zu den größten Initiativen für angewandte KI in Deutschland.
Das Projekt gliederte sich in vier zentrale Themenbereiche, die als „Transformation Areas“ (TA) bezeichnet werden. Sie bildeten die strukturelle Grundlage für die Entwicklung datengetriebener Lösungen und adressierten die wichtigsten Herausforderungen auf dem Weg zur Fabrik der Zukunft.
Die Transformation Areas wurden gezielt entwickelt, um die klassische Fertigung in eine datenbasierte, vernetzte und KI-gestützte Produktionslandschaft zu überführen. In jedem Bereich arbeiteten interdisziplinäre Teams aus Forschung und Industrie an konkreten Maßnahmen, Technologien und Use Cases, die direkt in der Praxis erprobt wurden.
Die vier Transformation Areas im Überblick:
In den Transformation Areas „Data-Driven Logistics“ und „Data-Driven Manufacturing“ spielte die MotionMiners GmbH eine zentrale Rolle bei der Datenerfassung und -strukturierung in überwiegend manuellen Prozessen. Als Technologiepartner entwickelte das Unternehmen gemeinsam mit Forschungs- und Anwendungspartnern Lösungen für Use Cases mit den Schwerpunkten Kommissionierung und Montage.
Ein zentrales Problem bei der digitalen Prozessoptimierung sind sogenannte "Blackboxes", also Bereiche, in denen keine oder nur unzureichende Daten vorliegen. Gerade bei manuellen Tätigkeiten fehlen oft strukturierte Informationen, die für die Umsetzung von Digitalisierungsprojekten und KI-Lösungen essenziell sind. Hier setzt die Motion-Mining®-Technologie an. Sie ermöglicht die automatisierte und anonymisierte Erfassung von Bewegungs- und Belastungsdaten direkt auf dem Shopfloor und macht damit bislang verborgene Abläufe sichtbar.
Die gewonnenen Daten bildeten die Grundlage für eine verbesserte Prozesstransparenz und dienten als Input für weiterführende KI-Modelle. Exemplarisch wurde die Technologie bei mehreren Anwendungspartnern eingesetzt, etwa zur Analyse von logistischen Abläufen und ergonomischen Belastungen. Die Ergebnisse flossen in digitale Optimierungsprozesse und unterstützten die Entwicklung neuer Tools und Strategien.
Die Motion-Mining®-Technologie hat sich im Projektverlauf als Grundstein für die datengestützte Optimierung manueller Prozesse bewährt. In den kommenden Jahren sollen die bisherigen Anwendungsfälle weiter ausgebaut und durch zusätzliche Datenaufnahmen, insbesondere im Bereich Montage, ergänzt werden, um eine noch umfassendere Prozesstransparenz zu schaffen.
Im Laufe des Projekts wurden vier konkrete Anwendungsfälle umgesetzt, die die Vielseitigkeit und den Nutzen von Motion-Mining® eindrucksvoll veranschaulichen.
CLAAS: Ergonomie und Personaleinsatzplanung in der Kommissionierung
In der zentralen Kommissionierung bei CLAAS wurden mithilfe der Motion-Mining®-Technologie Bewegungs- und Belastungsdaten erhoben, um die Ergonomie und die Prozesszeiten unterschiedlicher Artikel zu bewerten. Die Ergebnisse dieser Analyse bildeten die Grundlage für ein erstes Softwaretool zur datenbasierten Personaleinsatzplanung.
Gemeinsam mit NTT Data sollen auf Basis der gewonnenen Daten Strategien für die Einlagerung von Artikeln entwickelt und umgesetzt werden.
Schmitz Cargobull: Digitale Prozessintegration und Werkstrukturplanung
Bei Schmitz Cargobull wurden drei logistische Prozesse – von der Einlagerung über die Kommissionierung bis hin zur Versorgung der Montagelinie – in einen digitalen KVP-Prozess überführt. Mithilfe der Motion-Mining®-Technologie konnten manuelle Abläufe detailliert erfasst und eine neue Ebene der Prozesstransparenz geschaffen werden.
Die gewonnenen Daten wurden als Parameter für ein KI-Tool des Fraunhofer IML zur Anstellstrategie genutzt und lieferten insbesondere wertvolle Erkenntnisse für die zukünftige Werkstrukturplanung.
Ergo-Analysen: Belastungserfassung in der Fertigung
In zwei weiteren Projekten wurden die ergonomischen Belastungen in der Fertigung untersucht. Das Ziel bestand darin, die Arbeitsbedingungen zu verbessern, eventuelle Effizienzpotenziale zu identifizieren und Arbeiten besser zu verteilen. Die Ergebnisse flossen in konkrete Maßnahmen zur Arbeitsplatzgestaltung sowie in die Entwicklung von Handlungsempfehlungen für die Produktionsplanung ein.
Ein zentraler Erfolgsfaktor war die enge Zusammenarbeit zwischen Industrie und Forschung. Durch die Verbindung von praktischer Erfahrung und wissenschaftlicher Methodik konnten Lösungen erarbeitet werden, die sich direkt in den Arbeitsalltag der Unternehmen integrieren ließen.
Die beteiligten Unternehmen konnten somit ihre eigenen Prozesse optimieren und Impulse für die Weiterentwicklung von Technologien und Softwarelösungen geben. So profitierten die MotionMiners beispielsweise von praxisnahen Anforderungen, die direkt in die Produktentwicklung einflossen – ein Beispiel für den fruchtbaren Austausch zwischen Anwendung und Forschung.
Ein weiterer Erfolgsfaktor war das begleitende Change-Management: Mehr als 500 Mitarbeiter:innen bei CLAAS und Schmitz Cargobull wurden im Umgang mit KI geschult.
Auch nach Projektende ist die Zusammenarbeit nicht beendet. Mit mehreren Partnern sind bereits Folgeprojekte in Planung, etwa zur Erweiterung der Datenerhebung in der Montage oder zur Verfeinerung bestehender KI-Modelle. Die Datenfabrik.NRW hat den Grundstein gelegt, jetzt geht es darum, die gewonnenen Erkenntnisse weiterzutragen und neue Innovationsfelder zu erschließen.
Somit steht das Projekt exemplarisch für den erfolgreichen Schulterschluss von Industrie und Forschung. Es zeigt, wie datengestützte Technologien dabei helfen können, Produktionsprozesse resilienter, effizienter und nachhaltiger zu gestalten, und macht deutlich, wie wichtig strategische Partnerschaften für die Zukunft der Industrie sind.
Unser kostenloses Factsheet bietet Ihnen einen umfassenden Überblick, über unsere Hard- und Software-Lösung.
Übersicht über die Funktionen des MPI-Dashboards
Details zur Anonymisierung und Datensicherheit
Technische Spezifikationen der Hardware und Software
.webp)
).webp)
